Offre de stage | Développement & paramétrage d’un référentiel de données d’autorités sous WikiBase intégré à l’environnement du programme BVH (APIs web, IHM)

Le Pôle d’ingénierie numérique du Centre d’études supérieures de la Renaissance (CESR – Université de Tours – UMR 7323 du CNRS), associé au programme de recherche « Bibliothèques Virtuelles Humanistes » (BVH), propose un stage de 3 mois visant au paramétrage de la solution logicielle Wikibase (écosystème Mediawiki, sur le modèle de wikidata) retenue pour créer les référentiels de données d’autorités propres au programme BVH. L‘objectif de ces référentiels est d’intégrer et d’exposer les données d’autorités issues des corpus et des bases de données BVH (Fac-similés, Epistemon) et des projets rattachés au programme de recherche (EDITEF, Bibliothèques françoises, Scripta Manent, Renumar…).

L’outil permettra :

  1. d’harmoniser la gestion, l’interopérabilité et le partage, entre les bases de données BVH,
  2. de proposer l’identification, la désambiguïsation et l’alignement avec les répertoires d’autorités nationaux et internationaux du domaine,
  3. de préparer l’exploitation libre et ouverte par des tiers, tel que le portail Biblissima, ou encore l’ensemble des bibliothèques et établissements partenaires dont le site BVH agrège et diffuse les sources numérisées.

Informations générales

  • Structure de recrutement : UMR 7323 Centre d’Études Supérieures de la Renaissance, Université de Tours – CNRS
  • Gratification : en vigueur
  • Durée du stage : 3 mois, sur la période mars-juillet 2025 (jusqu’au 18/07/2025 au plus tard) ; 35h/semaine.
  • Date limite de candidature : 10 mars 2025
  • Lieu de travail : CESR, 59 rue Néricault-Destouches 37020 Tours

Continuer la lecture

Logiciel de transcription de documents anciens : poursuite des développements de RETRO en 2022 | LIFAT-CESR

Dans le cadre du partenariat entre le LIFAT-RFAI et le CESR-BVH, les développements de fonctionnalités et d’interfaces du logiciel RETRO pour la transcription de livres imprimés anciens se poursuivent. Le projet bénéficie ainsi en 2022 du financement d’un premier stage [pourvu] de 3 mois financé et encadré par Thierry BROUARD (LIFAT) pour améliorer l’application et les IHM. Un second stage [encore à pourvoir en date du 1er mars 2022], soutenu par le Réseau thématique de recherche DIAMS (RTR), sera dédié à l’amélioration de l’IA avec une approche dite de clustering.

Figure 1 : Exemple d’interface graphique utilisateur pour la transcription d’un texte ancien

La transcription s’apparente à de l’OCR : on donne une image dans laquelle il y a du texte, et on ressort un fichier ASCII. Dans le cas des documents anciens, l’OCR est difficile, et les logiciels habituels, formés sur nos polices modernes et notre langue contemporaine (syntaxe, grammaire), ne dépassent pas les 20-30 % de bonne reconnaissance. Dans les documents anciens, orthographe et grammaire ne sont pas formalisées, et un même ouvrage rassemble souvent plusieurs langues (par exemple latin / grec / vieux français).

L’approche proposée commence par utiliser un algorithme d’apprentissage non supervisé (appelé aussi clustering) afin de rassembler les caractères qui se ressemblent le plus. L’utilisateur qui réalise la transcription donne alors, pour chaque groupe, le ou les caractères représentés. C’est donc l’humain qui fait la transcription, la machine essaie de minimiser le nombre de transcription à réaliser en regroupant au mieux les caractères qui se ressemblent.

Continuer la lecture